[发明专利]图像识别的方法、装置、系统及计算机存储介质

说明书

本发明实施例提供了一种图像识别的方法、装置、系统及计算机存储介质。该方法包括：将待识别图像分别输入至多个训练好的神经网络，得到所述待识别图像的多个特征向量；将所述多个特征向量进行融合，得到所述待识别图像的第一特征向量；根据所述第一特征向量，计算所述待识别图像与已有图像之间的相似度；基于所述相似度，确定所述待识别图像的识别结果。由此可见，本发明实施例在图像识别的过程中，综合多个神经网络提取的特征向量用于图像识别，能够充分考虑多个神经网络各自的特点，从而使得图像识别的准确率更高。

技术领域

本发明涉及图像处理领域，更具体地涉及一种图像识别的方法、装置、系统及计算机存储介质。

背景技术

在诸如安防、医疗等场景中需要使用图像识别技术，如人脸识别。例如可以一个或多个相机的视频帧序列中，找到同一行人或车辆出现过的帧。这项技术对于寻找丢失人员，比如走丢的小孩、老人，以及打击犯罪，比如嫌疑人寻找等，都具有重要的意义，也是很多安防应用中必不可少的重要组成部分。

而在此过程中，图像识别的算法对于结果的准确性至关重要。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种图像识别的方法、装置、系统及计算机存储介质，结合多个神经网络进行图像识别，准确性高。

根据本发明的一方面，提供了一种图像识别的方法，所述方法包括：

将待识别图像分别输入至多个训练好的神经网络，得到所述待识别图像的多个特征向量；

将所述多个特征向量进行融合，得到所述待识别图像的第一特征向量；

根据所述第一特征向量，计算所述待识别图像与已有图像之间的相似度；

基于所述相似度，确定所述待识别图像的识别结果。

在本发明的一个实施例中，所述将所述多个特征向量进行融合，得到所述待识别图像的第一特征向量，包括：将所述多个特征向量进行归一化处理；通过将所述归一化后的多个特征向量的对应元素取平均值或取最大值后作为所述第一特征向量的对应元素，从而得到所述第一特征向量。

在本发明的一个实施例中，所述将所述多个特征向量进行融合，得到所述待识别图像的第一特征向量，包括：将所述多个特征向量进行归一化处理；通过将所述归一化后的多个特征向量的对应元素加权求和后作为所述第一特征向量的对应元素，从而得到所述第一特征向量。

在本发明的一个实施例中，所述将所述多个特征向量进行融合，得到所述待识别图像的第一特征向量，包括：将所述多个特征向量进行归一化处理；将所述归一化后的多个特征向量乘以各自对应的权重，然后进行级联，从而得到所述第一特征向量。

在本发明的一个实施例中，所述多个特征向量中的第i个特征向量的权重等于：所述第i个特征向量对应的神经网络的识别准确率除以各个神经网络的识别准确率之和。

在本发明的一个实施例中，将所述多个特征向量进行归一化处理，包括：将每个特征向量除以各自的欧几里得范数，从而将所述每个特征向量进行归一化处理。

在本发明的一个实施例中，所述根据所述第一特征向量，计算所述待识别图像与已有图像之间的相似度，包括：

计算所述第一特征向量与所述已有图像的第二特征向量之间的距离，得到所述待识别图像与所述已有图像之间的相似度。

在本发明的一个实施例中，所述根据所述第一特征向量，计算所述待识别图像与已有图像之间的相似度，包括：

计算所述第一特征向量与所述已有图像的第二特征向量之间的第一距离；

分别计算所述多个特征向量中每个特征向量与使用同一个神经网络计算出的所述已有图像的对应特征向量之间的距离，得到与所述多个神经网络对应的多个第二距离；